我国工业化进程中煤矿安全评价分析

对工业化进程中,即1949-2012年我国煤矿事故进行统计分析。建立煤矿安全以自然条件、安全管理和通风系统的3个层次及21个指标的综合评价体系,给出煤矿安全5个等级标准及相应的评价指标量值。应用可拓理论,以平顶山某煤矿为实例,进行计算分析,得出该煤矿等级为Ⅲ级,处于一般安全的状况,需要采取防范措施预防潜在危险因素。评价结果合理。     

高效液相色谱法同时测定化妆品中的7种香豆素

基于香豆素类化合物在化妆品中的使用情况及其对人体健康的危害,采用C18色谱柱作为分析柱,通过优化试验条件建立了一种可准确、简便测定化妆品中多种香豆素类化合物的高效液相色谱法。试验结果表明,7种香豆素类化合物的保留时间和峰面积的相对标准偏差分别小于0.1%和2%,且检出限均低于40μg/L;通过样品加标试验,得到7种目标化合物的回收率为80%~94%。所建立方法具有快速、简便、准确、灵敏的特点,是测定化妆品中多种香豆素类化合物的有效方法。     

浅谈大型水电站继电保护信息管理系统设计及运用

某大型水电站继电保护信息管理系统结构与网络配置设计,成功解决了保护及安全自动装置与故障录波设施种类繁多、装置的通讯方式和通讯规约不尽相同、上送的数据量大等难题,不但可以将子站所有继电保护及安全自动装置、故障录波装置采集的信息上送主站,还可以通过Web服务在办公网络发布,并形成数据库和报表,实现数据统一管理,电厂信息化和智能化管理,非常适用于人员配置少、设备布置分散、自动化设备众多的大型水电站。     

施工中电焊机的安全使用简述

从电焊机自身电气特点及建筑工地工作环境入手,探讨电焊机安全技术的实施方法。分析电焊机安全隐患及事故的分类以及电焊机在使用过程中产生危险的原因。介绍电焊机在安装以及作业过程中的安全措施。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

PROfound研究——前列腺癌精准治疗新希望

转移性去势抵抗性前列腺癌（metastatic castrate-resistant prostate cancer,mCRPC）是前列腺癌发展的终末阶段。患者生存预后很差。尽管不断地有新的治疗手段出现，比如新型内分泌治疗以及紫杉醇类化疗，mCRPC患者的生存期依然很有限。奥拉帕利是一款聚腺苷酸二磷酸核糖基聚合酶（poly ADP-ribose polymerase,PARP）抑制剂，PARP酶在DNA修复中扮演着重要的角色。奥拉帕利已经获批用于卵巢癌和乳腺癌的治疗。目前，奥拉帕利用于mCRPC治疗的III期临床研究PROfound的结果在2019年的欧洲肿瘤内科学会（ESMO）年会与2020年的美国临床肿瘤学会-泌尿生殖系统肿瘤研讨会（ASCO-GU）已经发布。本文将带来PROfound研究的结果以及最新的结果更新。     

基于Bayes方法的Al-Mg-Mn合金断裂韧度研究

基于Bayes方法研究了Al-5.2Mg-0.7Mn-0.20Sc-0.1Zr合金的平面应变断裂韧度。结果表明,Al-5.2Mg-0.7Mn-0.20Sc-0.1Zr合金热轧板在L-T和T-L取向KIC值分别为32.66和32.03 MPa·m1/2,平面应变断裂韧度各向异性差别较小。     

超高效液相色谱串联质谱法测定烟草中的噁霉灵残留

为降低烟草中噁霉灵检测中的基质干扰，提高检测灵敏度和和稳定性，通过试验建立了以QuEChERS为样品前处理方法、液相色谱串联质谱仪为检测仪器的烟草中噁霉灵残留检测方法。样品加水浸润后，经丙酮提取、盐析试剂包除水、石墨化炭黑除杂后，采用Agilent ZORBAX 300SB-C8液相色谱柱（2.1 mm×100 mm，1.8 μm）分离，甲醇-水程序洗脱，ESI雾化，串联质谱MRM检测。结果发现，该方法在0.0025~0.0500 mg/L范围内线性良好，决定系数r²=0.9996，定量检测限1.06 μg/L，回收率在90.8%~92.0%之间，相对标准偏差为5.1%。运用该方法测定烟草中的噁霉灵，操作简单，检测精度高，满足CORESTA对烟草农残检测的要求。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。